初识数据结构

1.什么叫做数据结构

1.1定义

数据结构:是相互之间存在一种或者多种特定关系的数据元素的集合。

1.2分类

2.什么叫做算法

2.1定义

算法:解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或者多个操作。

2.2算法的特性

特性	解释
输入输出	算法具有零个或多个输入，并且至少有一个或者多个输出
有穷性	算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成。
确定性	算法的每一步骤都具有确定的含义。
可行性	算法的每一步都必须是可行的。

3.算法效率

3.1算法效率分析分类

3.2时间复杂度

概念:算法中的基本操作的执行次数，为算法的时间复杂度。

3.3空间复杂度

概念:一个算法在运行过程中临时占用存储空间大小的度量。

3.4大O渐进表示法

1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数，得到的结果就是大O阶。

另外有些算法的时间复杂度存在最好、平均和最坏情况：
最坏情况：任意输入规模的最大运行次数(上界)
平均情况：任意输入规模的期望运行次数
最好情况：任意输入规模的最小运行次数(下界)
(在实际中一般情况关注的是算法的最坏运行情况)

3.5时间复杂度计算举例

3.5.1计算bubbleSort的时间复杂度

// 计算bubbleSort的时间复杂度？
    void bubbleSort(int[] array) {
        for (int end = array.length; end > 0; end--) {
            boolean sorted = true;
            for (int i = 1; i < end; i++) {
                if (array[i - 1] > array[i]) {
                    Swap(array, i - 1, i);
                    sorted = false;
                }
            } if (sorted == true) {
                break;
            }
        }
    }

基本操作执行最好N次，最坏执行了(N*(N-1))/2次，通过推导大O阶方法+时间复杂度一般看最坏，时间复杂度为 O(N^2).

3.5.2计算binarySearch的时间复杂度

// 计算binarySearch的时间复杂度？
    int binarySearch(int[] array, int value) {
        int begin = 0;
        int end = array.length - 1;
        while (begin <= end) {
            int mid = begin + ((end-begin) / 2);
            if (array[mid] < value)
                begin = mid + 1;
            else if (array[mid] > value)
                end = mid - 1;
            else
                return mid;
        } return -1;
    }

基本操作执行最好1次，最坏log2N次，时间复杂度为 O(log2N )
ps:log2N在算法分析中表示是底数为2，对数为N，有些地方会写成lgN。

3.5.3计算阶乘递归factorial的时间复杂度

// 计算阶乘递归factorial的时间复杂度？
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}

基本操作递归了N次，时间复杂度为O(N)

3.5.4计算斐波那契递归fibonacci的时间复杂度

// 计算斐波那契递归fibonacci的时间复杂度？
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}

基本操作递归了$2^N$次，时间复杂度为O($2^N$).